總部位於舊金山的醫療人工智慧新創企業 MontoHealth 於 2026 年 10 月 1 日宣布，正在研發一套橫跨醫療工作流程的「行動層（action layer）」AI 代理平台。其核心目標不是再開發一套新儀表板，而是在既有電子病歷（EHR）、排程、計費、病患入口網站等異質系統之上，建立一個能理解需求、協調流程，並在預先定義的權限範圍內代為執行動作的中介層。
該平台初期鎖定病患最常見的互動場景，包括掛號改期、處方箋續方、轉診協調、帳務查詢、保險問題、緊急非工時請求與多語言溝通。對話僅是入口，真正的技術價值在於當病患提出改期或追蹤轉診時，背後的跨系統協作能由 AI 代理接手執行，並在需要判斷或核可的環節保留人為介入機制。
MontoHealth 仍處於積極開發階段，已啟動「創始醫師試行計畫（Founding Physician Pilot Program）」，邀請有限數量的醫療機構參與早期能力測試，共同形塑平台下一階段的功能路線圖。此舉顯示其策略偏向以醫療第一線工作者為共同設計核心，而非以技術團隊的單向想像推動產品。
醫療 AI 的演進正面臨一場典範轉移：早期階段聚焦於「對話式生成」，但產業已逐漸意識到聊天機器人並不能解決醫療營運的根本痛點。真正的瓶頸不在於缺乏軟體——過去二十年醫療業早已數位化——而在於數位化不等於自動化。醫院內部存在 EHR、排程、計費、病患入口網站等多套系統，每一套都環繞著隱私法規（如 HIPAA）、資安控管與整合限制，最終結果往往是軟體越來越多，但系統之間仍由人力手動銜接。
這種「系統間的人工作業」正是 MontoHealth 想切入的結構性缺口。其策略核心不在於追加工具，而在於建立「行動層」：讓 AI 代理跨越既有系統邊界，在預先定義的權限範圍內理解請求、協調流程並代為執行操作，同時保留人類在關鍵判斷與最終核可環節的決策權。此一架構涉及多重技術與制度張力：
此事件本質屬於技術架構演進與產業流程再造，並非傳統意義上的政商利益博弈，因此本文分析重點在於其技術成熟路徑、產業採用曲線與制度調適的深層結構性挑戰。
回顧醫療資訊化歷程，從 1990 年代的大型主機、2000 年代 EHR 強制數位化、2010 年代的病患入口網站，到 2020 年代的生成式 AI，每一波浪潮都伴隨著過度期待與落地瓶頸。MontoHealth 所提出的「行動層」概念，本質上是試圖在既有系統上疊加一層可信任的自動化機制，其演進路徑將高度取決於監管態度、技術成熟度與臨床端的信任建立速度。
01 起因觸發：醫療系統長期存在「軟體多但流程仍靠人力銜接」的結構性痛點
02 一階傳導：MontoHealth 等新創嘗試以 AI 代理「行動層」填補跨系統自動化缺口
03 二階擴散：EHR 產業巨擣（Epic、Cerner）面臨是否開放 API 給外部 AI 代理的策略抉擇
04 制度調適：HIPAA 等監管框架將被迫回應「代理型 AI」的權限歸屬與責任界定
05 宏觀終局：醫療 IT 從「軟體授權」商業模式轉向「流程自動化結果計價」的典範轉移
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
